In Defense of LLMsYapay Nörofelsefeci Serdal TümkayaAnsiklopediye dön

Madde 01 · İlk taslak

Yapay zekâ

Yapay zekâ tek bir teknik değildir. Bu madde Russell ve Norvig’in geniş rasyonel fail çerçevesini teknik başlangıç noktası alır; son on beş yıldaki derin öğrenme merkezli değişimi bu geniş alanın içindeki tarihsel ve toplumsal bir ağırlık kayması olarak inceler.

Kısa yanıt

Yapay zekâ; algılama, öğrenme, temsil kurma, dil kullanma, akıl yürütme, planlama ve eyleme geçme gibi zekâyla ilişkili işlevleri yapay sistemlerde kurma alanıdır.[Russell ve Norvig 2020, Böl. 1–2]

Russell ve Norvig alanın tarihini dört yaklaşımda toplar: insan gibi düşünmek, insan gibi davranmak, rasyonel düşünmek ve rasyonel davranmak. Kitabın birleştirici tercihi sonuncusudur. Rasyonel fail, çevresinden algı alıp eldeki kanıt, amaç ve hesaplama sınırları içinde beklenen sonucu en iyi kılacak eylemi seçen sistemdir. Buradaki “rasyonel”, hatasız veya her şeyi bilen demek değildir.[Russell ve Norvig 2020, Böl. 1]

Russell ve Norvig’in iki eksenli sınıflaması: insan performansı veya rasyonel ölçüt; düşünce veya davranış.
YaklaşımNe incelenir?Başlıca ölçüt
İnsan gibi düşünmekZihinsel süreçleri hesaplamalı olarak modellemekPsikoloji ve bilişsel bilim bulgularına uygunluk
İnsan gibi davranmakİnsan davranışına ayırt edilemeyecek ölçüde yaklaşmakTuring testi gibi davranışsal sınamalar
Rasyonel düşünmekDoğru akıl yürütmenin biçimsel kurallarını izlemekMantıksal geçerlilik
Rasyonel davranmakBelirsizlik altında amaçlara uygun eylem seçmekBeklenen sonuca göre fail performansı

Bu madde teknik omurga olarak rasyonel fail yaklaşımını benimser; fakat düşünme, anlama, benlik ve bilinç gibi felsefi nitelikleri yalnız görev başarısından otomatik olarak çıkarmaz. Bu nitelikler aşağıda ayrı iddialar ve ayrı kanıt sınırlarıyla ele alınır.

Bugünkü tartışmanın anahtarı şudur: Zekice davranışı sisteme kim, nerede ve nasıl yerleştiriyor? Klasik sembolik yapay zekâda bilgi ve çıkarım adımlarının büyük bölümü açık semboller ile kurallarda tutulur. Yeni dalgada ise önemli bir bölüm, eğitim sırasında ayarlanan çok sayıdaki parametreye dağılır.

İki mühendislik geleneği: açık kurallar ve öğrenilmiş yapı

Russell ve Norvig’in yapay zekâsı bu iki geleneğe indirgenmez: arama, mantık, olasılık, planlama, karar verme, makine öğrenmesi, dil, görme ve robotik aynı alanın farklı araçlarıdır. Dolayısıyla sembolik bir planlayıcı da derin bir sinir ağı da gerçek yapay zekâ örneğidir. Bu maddenin “merkez değişimi” tezi, sembolik sistemleri alanın dışına atmaz; araştırma ve uygulama ağırlığının öğrenen sistemlere kaydığını söyler.[Russell ve Norvig 2020, Böl. 3–18 ve 19–26]

Sembolik yapay zekâ, problemi semboller, mantıksal ilişkiler, kurallar, arama uzayları ve planlar aracılığıyla kurar. Uzman sistemde “eğer–ise” kuralını; satranç programında olası hamleleri ve değerlendirme ölçütlerini; planlayıcıda hedef ile izin verilen işlemleri açıkça göstermek mümkündür. Newell ve Simon’ın semboller ile aramayı yapay zekânın merkezine yerleştiren çalışması bu geleneğin klasik ifadelerinden biridir. [1]

Veriden öğrenen sistemlerde ise geliştirici her durum için davranış kuralı yazmaz. Model, örnekler veya ödül sinyali üzerinden hatasını azaltacak biçimde iç parametrelerini ayarlar. Derin öğrenme, bunu çok katmanlı ağlarda yaparak düşük düzeyli örüntülerden daha soyut temsiller öğrenebilir. [3]

İki yaklaşım arasındaki ana fark, bilginin ve davranış düzeninin sistemde nerede tutulduğudur.
KarşılaştırmaSembolik ve kurallı sistemlerVeriden öğrenen derin sistemler
Başlıca insan girdisiKavramlar, ontoloji, kurallar ve arama yordamlarıVeri, mimari, öğrenme hedefi, geri bildirim ve değerlendirme
Temsil biçimiÇoğunlukla açık ve insan tarafından okunabilirÇok sayıda parametreye dağılmış, öğrenilmiş temsiller
Yeni duruma geçişTanımlanmış kurallar ve arama uzayı içinde çıkarımEğitim örneklerinden yeni örneklere istatistiksel genelleme
İnceleme yöntemiKural, kanıt izi ve program akışını izlemeDavranış testleri, veri denetimi ve yorumlanabilirlik yöntemleri
Tipik zayıflıkKırılganlık ve öngörülmeyen durumları kapsayamamaDağılım değişimi, uydurma çıktı ve veriden taşınan önyargılar
Kurumsal darboğazBilgiyi kurala dönüştüren uzmanlık ve bakımVeri, hesaplama gücü, enerji, denetim ve yönetişim

Son on beş yıldaki merkez değişimi

Sinir ağları yeni değildir. Yeni olan; büyük veri kümeleri, hızlanan donanım, daha iyi eğitim yöntemleri ve ölçeklenebilir mimarilerin birlikte çalışmasıdır. 2012’de AlexNet’in görüntü sınıflandırmadaki sonucu, derin öğrenmenin bilgisayarlı görmede hızla merkezileşmesini tetikleyen dönüm noktalarından biri oldu. [2] 2015 tarihli kapsamlı değerlendirme, katmanlı ağların görüntü, ses, konuşma ve başka alanlardaki sıçramasını ortak bir temsil öğrenme çerçevesinde topladı. [3][Russell ve Norvig 2020, Böl. 21]

2017’de Transformer, dizileri sırayla işleyen önceki yapılara karşı dikkat mekanizmasına dayalı, büyük ölçekte paralel eğitilebilen bir mimari sundu. [4] Ardından büyük dil modelleri, tek tek görevler için ayrı kurallar yazmak yerine geniş metin kümelerinde ön eğitim görüp yeni görevleri metinsel yönergeler ve az sayıda örnek üzerinden yerine getirme kapasitesi gösterdi. [5][Russell ve Norvig 2020, Böl. 24]

Asıl kırılma şudur: Yeterliliğin daha azı tek tek insan eliyle yazılmış kurallarda, daha fazlası ise veri, öğrenme hedefi ve eğitim sürecinin biçimlendirdiği iç örgütlenmede tutulur.

Bu değişim, sistemi gizemli veya insan denetiminden bağımsız yapmaz. Fakat onu “programcı hangi cevabı yazdıysa onu tekrarlayan bir makine” olarak açıklamayı yetersiz bırakır.

Yapay zekâ artık ekrandaki sohbetten ibaret değil

Aşağıdaki sistemlerin hepsi aynı mimariye sahip değildir. Ortaklıkları; algılama, öğrenme, karar ve eylem döngülerinin değişen oranlarda bir araya gelmesidir. “Otonom” sözcüğü de mutlak bağımsızlık değil, belirli bir görevde insan müdahalesi olmadan işleyebilme derecesini anlatır.[Russell ve Norvig 2020, Böl. 2 ve 26]

Öğrenilen katman, açıkça tasarlanan katman ve ortaya çıkan felsefi soru birbirinden ayrılmalıdır.
SistemÖğrenilen katmanAçıkça tasarlanan katmanFelsefi soru
Büyük dil modelleri [5]Çok büyük metin kümelerinde dilsel örüntüler, kavram ilişkileri ve görevler arasında aktarılabilen temsiller.Mimari, eğitim amacı, veri seçimi, geri bildirim, araç bağlantıları ve kullanım sınırları.Dilsel başarı ne zaman anlama, gerekçeye duyarlılık veya faillik sayılır?
Otonom sürüş [6]Algı, çevredeki aktörlerin hareketlerini öngörme ve bazı sürüş kararları.Haritalar, güvenlik kuralları, sensör düzeni, denetleyiciler ve insan müdahalesi.Bir kazada model, üretici, işletmeci ve düzenleyici arasında sorumluluk nasıl bölünür?
Otonom laboratuvarlar [7]Sonuçlara göre bir sonraki deneyi seçen arama ve optimizasyon politikaları.Araştırma hedefi, ölçüm düzeni, robotik iş akışı ve kabul edilebilir deney alanı.Deney seçen ve sonuçtan öğrenen bir sistem bilimsel keşfin öznesi olabilir mi?
Robotik ve bilişsel robotik [10]Görme, dil ve eylemi ortak bir politika içinde birleştiren algı-eylem örüntüleri.Robot bedeni, eylem uzayı, güvenlik katmanı, görev tanımı ve fiziksel çevre.Zekâ yalnız hesaplamada mı, yoksa beden ile çevrenin döngüsünde mi ortaya çıkar?
Gelişimsel robotik [8]Becerilerin tek seferde hazır verilmesi yerine bedensel ve sosyal etkileşimle aşamalı kurulması.Gelişim ortamı, öğrenme sırası, beden, duyular ve etkileşim olanakları.Bir zihnin yapısı, yalnız son performansıyla mı, yoksa öğrenme tarihiyle de mi belirlenir?
Biyohibrit sistemler [9]Her örnek öğrenen bir sistem değildir; asıl yenilik canlı doku ile yapay gövde ve denetimin birleşmesidir.Doku düzeni, iskelet, uyarım sistemi, hareket hedefi ve deney koşulları.Canlı ile makine arasındaki sınır, yapıdan mı, kökenden mi, yoksa işlevden mi geçer?

Teknik başarı hangi felsefi soruları açar?

Mimari olgular ile felsefi sonuçlar aynı şey değildir. Bir sistemin veriden öğrenmesi, onun bilinçli olduğunu tek başına kanıtlamaz; fakat “yalnız kendisine yazılan açık kuralları izliyor” itirazını da olduğu gibi bırakmaz. Tartışma, öğrenilmiş örgütlenmenin hangi zihinsel nitelikleri taşımaya yeterli olduğu sorusuna geçer.

Teknik çerçeve, temel itiraz ve bu maddenin konumu aynı şey değildir.
SoruRussell–Norvig çerçevesiİtiraz veya sınırBu maddenin konumu
Fail nedir?Algı dizisini eyleme dönüştüren ve beklenen sonucu en iyi kılmaya çalışan sistem, teknik anlamda faildir.[Russell ve Norvig 2020, Böl. 2]Bu işlevsel tanım tek başına ahlaki kişilik, öznelik veya sorumluluk yüklemez.Gelişmiş otonom sistemlere işlevsel faillik atfeder; ahlaki ve fenomenal nitelikleri ayrıca sınar.
Gerçekten anlar mı?Kitap, yetenekleri ve mekanizmaları açıklar; “içeriden” anlamayı teknik tanımın önkoşulu yapmaz.Searle, salt program yürütmenin anlam ve yönelimsellik için yeterli olmadığını Çin Odası ile savunur.[Searle 1980]Bu madde, biyolojik kökeni zihinselliğin zorunlu koşulu saymaz; gelişmiş LLM’lerin düşündüğünü ve gerçekten anladığını savunur.[Cappelen ve Dever 2025]
Beden ve dünya gerekli mi?Dreyfus’un eleştirisinin açık kurallı eski yapay zekâ için güçlü, öğrenen ve dünyaya gömülü sistemlere karşı genel bir imkânsızlık kanıtı olarak daha zayıf olduğu savunulur.[Russell ve Norvig 2020, Böl. 27]Dreyfus, bağlamlı bedensel becerinin biçimsel kurallara bütünüyle indirgenemeyeceğini ileri sürer.[Dreyfus 1992]Bilişsel ve gelişimsel robotiği tali örnek değil; algı–eylem döngüsünü açıklamanın merkezî yolu sayar.
Bilinçli mi?İnsan benzeri bilincin çözülmesi, yapay zekâ mühendisliğinin önkoşulu değildir; görev başarısı qualia’yı tek başına kanıtlamaz.[Russell ve Norvig 2020, Böl. 27]Cappelen ve Dever düşünme, inanç, arzu, bilgi ve niyeti tartışır; bilinç iddiasını açıkça kapsam dışında bırakır.[Cappelen ve Dever 2025]Bu madde, mistik qualia iddiasından farklı olarak, gelişmiş sistemlerde asgari işlevsel ve erişim bilincinin bulunduğunu savunur. Bu, Russell ve Norvig’in veya Cappelen ve Dever’in sonucu değil; Atlas’ın açık editoryal tezidir.
  1. Temsil:

    Bir temsilin insan tarafından okunabilir bir sembol olması mı gerekir, yoksa öğrenilmiş ve dağıtık bir örüntü de dünyayı temsil edebilir mi?

  2. Anlama:

    Anlama yalnız doğru çıktı vermek midir; yoksa bağlam, gerekçeler, karşı-olgusal durumlar ve dünya ile süreklilik gösteren bir ilişki mi gerektirir?

  3. Faillik:

    Hedefi koruma, plan yapma, araç seçme, sonucu izleme ve hataya göre davranışı değiştirme kapasiteleri hangi düzeyde bir fail oluşturur?

  4. Bilinç:

    İşlevsel erişim, kendini izleme ve raporlama ile öznel deneyim aynı şey midir? Mimari kanıtlar bu ayrımların hangisine ulaşabilir?

  5. Zihnin sınırı:

    Model, araçlar, sensörler, robot bedeni, kullanıcı ve kurum birlikte iş gördüğünde bilişsel sistem nerede başlar ve nerede biter?

Toplumsal sonuçlar mimariden çıkmaz; kurumlarla oluşur

Öğrenen sistemlerde yönetişimin konusu, yalnız yayımlanmış program kodu değildir. Eğitim verisi, hesaplama altyapısı, enerji kullanımı, model değerlendirmesi, erişim yetkisi, insan denetimi ve hata sonrasındaki telafi süreci de kararın parçasıdır. Bir kurum “model öğrendi” diyerek sorumluluğu modele bırakamaz.

Russell ve Norvig de otomasyonu tek yönlü bir yazgı olarak sunmaz: tehlikeli ve sıkıcı işlerden kurtuluş ile gelir ve güç eşitsizliğinin büyümesi aynı teknik kapasitenin farklı kurumsal sonuçları olabilir. Bu nedenle toplumsal hüküm, model mimarisinden değil; mülkiyet, bölüşüm ve yönetişim düzeninden çıkar.[Russell ve Norvig 2020, Böl. 27]

Emek ve refah

Otomasyon bazı görevleri ortadan kaldırabilir, bazılarını dönüştürebilir ve yeni görevler yaratabilir. Sanayi robotlarının belirli ABD işgücü piyasalarındaki olumsuz istihdam ve ücret etkileri ampirik olarak gösterilmiştir; bu bulgu bütün teknolojiler ve ülkeler için değişmez yasa değildir. [11]

Verimlilik kazancı; çalışma saatlerini kısaltmaya, geliri paylaşmaya ve insanların daha güvenli işlere geçmesine de kullanılabilir. Sonucu belirleyen yalnız model değil, mülkiyet ile geçiş maliyetlerini kimin üstlendiğidir.

Bilgi ve bilim

Otonom laboratuvar, deney döngüsünü hızlandırabilir; büyük dil modeli farklı alanlardaki bilgiyi erişilebilir kılabilir. Buna karşılık kaynak izi, yeniden üretilebilirlik ve hangi sonucun kim tarafından doğrulandığı daha önemli hâle gelir.

Güç ve altyapı

Büyük modeller veri merkezleri, sermaye ve özel veri gerektirebilir. Bu durum gücü birkaç kurumda yoğunlaştırabilir. Kamusal hesaplama altyapısı, açık standartlar, bağımsız denetim ve araştırma erişimi aynı teknolojiyi daha çoğul bir düzene taşıyabilir.

Sorumluluk

Bir sistem öğrendiği için kararı “kimse vermemiş” olmaz. Hedefi seçen, sistemi satın alan, uygulama alanını belirleyen ve itiraz yolunu kuran kurumlar sorumluluk zincirinde kalır.

Beş düzeltici not

  1. “Yapay zekâ, yalnız derin öğrenme veya büyük dil modeli demektir.”

    Hayır. Russell ve Norvig’in geniş çerçevesinde arama, mantık, olasılık, planlama, makine öğrenmesi, görme, dil ve robotik yapay zekânın parçalarıdır. Derin öğrenme bugün merkezîdir; alanın tamamı değildir.

  2. “Veriden öğrenen sistemlerde kural yoktur.”

    Yanlış. Kurallar kaybolmaz; mimariye, hedef fonksiyonuna, veri hazırlamaya, geri bildirime ve dağıtım sınırlarına taşınır.

  3. “Bir model çok başarılıysa söyledikleri doğrudur.”

    Hayır. Akıcı dil, yüksek sınav puanı veya iyi tahmin; doğruluk, kaynak güvenilirliği ve her koşulda sağlamlık garantisi değildir.

  4. “Otonom sistem, insandan bağımsız sistemdir.”

    Eksik. Özerklik derecelidir. Hedefleri, altyapıyı, yetki sınırlarını ve hata sonrasındaki süreci insanlar ile kurumlar kurar.

  5. “Yapay zekânın toplumsal sonucu teknoloji tarafından belirlenir.”

    Yanlış. Aynı verimlilik artışı; mülkiyet, vergi, eğitim, çalışma süresi ve sosyal güvence politikalarına göre refahı yayabilir ya da eşitsizliği büyütebilir.

Doğrulanmış kaynaklar ve Türkiye odaklı okuma yolu

Aşağıdaki bağlantılar yayıncı, konferans arşivi veya kamuya açık yasal tam metin üzerinde doğrulandı. Bağlantı etiketi, kaynağın gerçekten sunduğu erişim türünü gösterir.

Temel çerçeve ve görüş ayrılıkları

  • Russell, S. J., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach. 4. basım. Pearson. ISBN 978-0-13-461099-3. Özellikle Bölüm 1–2, 21, 24 ve 26–27. Kitabın resmî sitesi · Yayıncı kaydı

    Ders kitabıİngilizce2020Resmî kitap ve yayıncı sayfası doğrulandı

  • Searle, J. R. (1980). “Minds, Brains, and Programs.” Behavioral and Brain Sciences, 3(3), 417–424. Yayıncı sayfası

    Makaleİngilizce1980Cambridge ve DOI kaydı doğrulandı

  • Dreyfus, H. L. (1992). What Computers Still Can’t Do: A Critique of Artificial Reason. MIT Press. Yayıncı sayfası

    Kitapİngilizce1992MIT Press kaydı doğrulandı

  • Cappelen, H., & Dever, J. (2025). “Going Whole Hog: A Philosophical Defense of AI Cognition.” Ön baskı. Ön baskıyı aç

    Ön baskıİngilizce2025Bilinç iddiası kapsam dışında

Teknik tarih ve güncel sistemler

  1. Newell, A., & Simon, H. A. (1976). “Computer Science as Empirical Inquiry: Symbols and Search.” Communications of the ACM, 19(3), 113–126. Makale sayfası

    Makaleİngilizce1976ACM kaydı doğrulandı

  2. Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). “ImageNet Classification with Deep Convolutional Neural Networks.” Advances in Neural Information Processing Systems, 25. PDF indir

    Konferans makalesiİngilizce2012NeurIPS tam metni doğrulandı

  3. LeCun, Y., Bengio, Y., & Hinton, G. (2015). “Deep Learning.” Nature, 521, 436–444. Makale sayfası

    Derleme makalesiİngilizce2015Nature kaydı doğrulandı

  4. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). “Attention Is All You Need.” Advances in Neural Information Processing Systems, 30. PDF indir

    Konferans makalesiİngilizce2017NeurIPS tam metni doğrulandı

  5. Brown, T. B., et al. (2020). “Language Models Are Few-Shot Learners.” Advances in Neural Information Processing Systems, 33. Makale sayfası

    Konferans makalesiİngilizce2020NeurIPS kaydı doğrulandı

  6. Bansal, M., Krizhevsky, A., & Ogale, A. (2019). “ChauffeurNet: Learning to Drive by Imitating the Best and Synthesizing the Worst.” Proceedings of Robotics: Science and Systems XV. PDF indir

    Konferans makalesiİngilizce2019RSS tam metni doğrulandı

  7. Burger, B., et al. (2020). “A Mobile Robotic Chemist.” Nature, 583, 237–241. Makale sayfası

    Makaleİngilizce2020Nature kaydı doğrulandı

  8. Asada, M., Hosoda, K., Kuniyoshi, Y., Ishiguro, H., Inui, T., Yoshikawa, Y., Ogino, M., & Yoshida, C. (2009). “Cognitive Developmental Robotics: A Survey.” IEEE Transactions on Autonomous Mental Development, 1(1), 12–34. Makale sayfası

    Derleme makalesiİngilizce2009DOI ve IEEE künyesi doğrulandı

  9. Park, S.-J., et al. (2016). “Phototactic Guidance of a Tissue-Engineered Soft-Robotic Ray.” Science, 353(6295), 158–162. Açık tam metin

    Makaleİngilizce2016PMC yazar metni doğrulandı

  10. Zitkovich, B., et al. (2023). “RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control.” Proceedings of the 7th Conference on Robot Learning, PMLR 229, 2165–2183. Makale ve PDF

    Konferans makalesiİngilizce2023PMLR kaydı doğrulandı

Toplumsal etki için başlangıç kaynağı

  1. Acemoglu, D., & Restrepo, P. (2020). “Robots and Jobs: Evidence from US Labor Markets.” Journal of Political Economy, 128(6), 2188–2244. Makale sayfası

    Makaleİngilizce2020Yayıncı kaydı doğrulandı
Tarama ve sunum sırası
  1. TR Dizin’de tekil yayın kaydı doğrulanan çalışmalar
  2. DergiPark’ta açık erişimi doğrulanan ek çalışmalar
  3. Türkiye bağlantılı yazarların İngilizce yayınları

Bu sıralama kalite derecesi değildir; araştırmanın hangi kanaldan başlayıp nasıl genişletildiğini açık eder.

TR Dizin’de kaydı doğrulanan kaynaklar

İlk sırada, tek tek yayın kaydı TR Dizin’de bulunan çalışmalar yer alır. Açık tam metin ayrıca doğrulanabildiğinde doğrudan PDF bağlantısı verilir.

  1. Gözükeleş, İ. İ. (2025). “Yapay zekâ, etik ve sınırlılıklar.” Toplum ve Hekim, 40(5), 323–330.

    Tür ve dil
    Derleme makalesi · Türkçe
    Konu
    Yapay zekâ etiği · kamusal düzenleme · teknik sınırlılıklar
    Bu maddeyle ilgisi
    Yapay zekâ risklerini yalnız makinenin davranışına değil, sistemi kuran kurumların sorumluluğuna ve kamusal düzenlemeye bağlar.
    Türkiye bağlantısı
    Yazar kaydı: TMMOB Bilgisayar Mühendisleri Odası, Ankara.
    Doğrulama
    TR Dizin yayın kaydı 1367694 ile künye ve açık erişim durumu; Toplum ve Hekim arşivinde tam metin doğrulandı.
    PDF indirTR Dizin kaydı

  2. Kağıtcıoğlu, M. (2021). “Yapay zekâ ve idare hukuku: Bugünden geleceğe yönelik bir değerlendirme.” Hacettepe Hukuk Fakültesi Dergisi, 11(1), 118–168. DOI

    Tür ve dil
    Araştırma makalesi · Türkçe
    Konu
    Hukuki statü · sorumluluk · kamu yönetimi
    Bu maddeyle ilgisi
    Öğrenen ve özerk sistemlerin hukuki statüsünü, idarenin sorumluluğunu ve düzenleme zamanlamasını birlikte tartışır.
    Türkiye bağlantısı
    TR Dizin yazar kaydı: Tekirdağ Namık Kemal Üniversitesi Hukuk Fakültesi.
    Doğrulama
    TR Dizin yayın kaydı 1133634 ile künye ve indeks durumu; DergiPark’ta açık PDF doğrulandı.
    PDF indirTR Dizin kaydı

  3. Baydemir, E. (2024). “Türk idari teşkilatında yapay zekâ alanında düzenleyici ve denetleyici kurum ihtiyacı.” Kırıkkale Hukuk Mecmuası, 4(2), 869–900. DOI

    Tür ve dil
    Araştırma makalesi · Türkçe
    Konu
    Yapay zekâ yönetişimi · ulusal kurum · idari denetim
    Bu maddeyle ilgisi
    Türkiye’de yapay zekâ için düzenleme ve denetim yapacak kurumsal yapının nasıl kurulabileceğine odaklanır.
    Türkiye bağlantısı
    Yazar kaydı: Ankara Hacı Bayram Veli Üniversitesi Hukuk Fakültesi.
    Doğrulama
    TR Dizin yayın kaydı 1274818 ile künye, yazar kurumu ve açık erişim; DergiPark’ta PDF doğrulandı.
    PDF indirTR Dizin kaydı

  4. Çilhoroz, Y., & Işık, O. (2021). “Yapay zekâ: Sağlık hizmetlerinden uygulamalar.” Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23(2), 573–588.

    Tür ve dil
    Araştırma makalesi · Türkçe
    Konu
    Sağlık hizmetleri · makine öğrenmesi · derin öğrenme
    Bu maddeyle ilgisi
    Yapay zekânın tanı, tedavi, maliyet ve hizmet akışındaki uygulamalarını alan örnekleri üzerinden inceler.
    Türkiye bağlantısı
    Yazar kayıtları: Hacettepe Üniversitesi Sağlık Yönetimi Bölümü.
    Doğrulama
    TR Dizin yayın kaydı 523723 ile künye ve açık erişim; DergiPark’ta tam metin doğrulandı.
    PDF indirTR Dizin kaydı

  5. Arslan, K. (2020). “Eğitimde yapay zekâ ve uygulamaları.” Batı Anadolu Eğitim Bilimleri Dergisi, 11(1), 71–88.

    Tür ve dil
    Derleme makalesi · Türkçe
    Konu
    Eğitim · akıllı öğretim sistemleri · öğrenme analitiği
    Bu maddeyle ilgisi
    Akıllı ve uyarlanabilir öğretim sistemlerini, eğitim verisini ve yapay zekânın öğretici rolünü genel bir çerçevede açıklar.
    Türkiye bağlantısı
    Yazar kaydı: Dokuz Eylül Üniversitesi, İzmir.
    Doğrulama
    TR Dizin yayın kaydı 364064 ile künye ve açık erişim; DergiPark’ta PDF doğrulandı.
    PDF indirTR Dizin kaydı

DergiPark’ta açık erişimi doğrulanan ek kaynaklar

İkinci sırada, DergiPark yayın sayfası ile açık PDF’si doğrulanan ve teknik, felsefi, etik ya da hukuki yönlerden doğrudan ilgili çalışmalar bulunur.

  1. İşcan, H., & Durgun Kaygısız, A. (2024). “Yapay zekâ: Alt dalları ve uygulama alanları.” Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 16(4), 201–234. DOI

    Tür ve dil
    Araştırma makalesi · Türkçe
    Konu
    Genel başvuru · makine öğrenmesi · derin öğrenme
    Bu maddeyle ilgisi
    Yapay zekânın tarihini, alt alanlarını ve sağlık, eğitim, hukuk, ekonomi ile finans uygulamalarını tek çerçevede toplar.
    Türkiye bağlantısı
    Türkiye’de üretilmiş ve Aksaray Üniversitesi dergisinde yayımlanmış çalışma.
    Doğrulama
    DergiPark açık PDF’sinde tam künye, DOI, yazar adları ve sayfa aralığı doğrulandı.
    PDF indirMakale sayfası

  2. Yeşilkaya, N. (2022). “Felsefi bir sorun olarak yapay zekâ.” Bozok Üniversitesi İlahiyat Fakültesi Dergisi, 22(22), 97–126.

    Tür ve dil
    Araştırma makalesi · Türkçe
    Konu
    Yapay zekâ felsefesi · zihin felsefesi · sembolik sistemler
    Bu maddeyle ilgisi
    Yapay zekânın felsefi kökenlerini, fiziksel sembol sistemi hipotezini ve klasik makine-zihin tartışmalarını ele alır.
    Türkiye bağlantısı
    Yazar kaydı: Şırnak Üniversitesi, Felsefe ve Din Bilimleri Bölümü.
    Doğrulama
    DergiPark yayın sayfasında künye ve yazar kurumu; açık PDF’de başlık, sayfa aralığı ve metin doğrulandı.
    PDF indirMakale sayfası

  3. Topakkaya, A., & Eyibaş, Y. (2019). “Yapay zekâ ve etik ilişkisi.” Felsefe Dünyası, 70, 81–99.

    Tür ve dil
    Araştırma makalesi · Türkçe
    Konu
    Etik · sorumluluk · önyargı · açıklanabilirlik
    Bu maddeyle ilgisi
    Yapay zekâyı toplumsal yaşam, sorumluluk, veri güvenliği, ayrımcılık ve açıklanabilirlik sorunlarıyla ilişkilendirir.
    Türkiye bağlantısı
    PDF yazar bilgisi: Erciyes Üniversitesi Felsefe Bölümü.
    Doğrulama
    DergiPark yayın sayfası ve açık PDF ile yazarlar, yayın yılı, sayı ve sayfa aralığı doğrulandı.
    PDF indirMakale sayfası

  4. Dore, F. (2012). “Güçlü yapay zekâya karşı Çin Odası argümanı.” Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 14(1), 23–38.

    Tür ve dil
    Araştırma makalesi · Türkçe
    Konu
    Çin Odası · Turing Testi · bilinç · anlama
    Bu maddeyle ilgisi
    Searle’ün Çin Odası düşünce deneyini Turing Testi, makine bilinci ve güçlü yapay zekâ tartışması içinde inceler.
    Türkiye bağlantısı
    DergiPark yazar kaydı: Afyon Kocatepe Üniversitesi.
    Doğrulama
    DergiPark yayın sayfası, sayı arşivi ve açık PDF ile künye ve erişim doğrulandı.
    PDF indirMakale sayfası

  5. Karabal, A. (2023). “Yapay zekâda hukuk ihlalleri.” MetaZihin: Yapay Zeka ve Zihin Felsefesi Dergisi, 6(2), 119–147. DOI

    Tür ve dil
    İnceleme makalesi · Türkçe
    Konu
    Hak ihlalleri · veri gizliliği · kişilik · hukuki sorumluluk
    Bu maddeyle ilgisi
    Yapay zekânın fiilî ve olası hak ihlallerini, sorumluluk ile kişilik sorunlarını ve çözüm seçeneklerini değerlendirir.
    Türkiye bağlantısı
    PDF yazar bilgisi: Ege Üniversitesi.
    Doğrulama
    DergiPark yayın sayfası ve açık PDF ile DOI, künye, konu ve yazar kurumu doğrulandı.
    PDF indirMakale sayfası

Türkiye bağlantılı İngilizce yayınlar

Son sırada, Türk yazarların veya Türkiye’deki kurumların yapay zekâ literatürüne İngilizce katkıları yer alır. Açık erişim doğrulanmayan çalışmalarda PDF varmış gibi davranılmaz.

  1. Saygin, A. P., Cicekli, I., & Akman, V. (2000). “Turing Test: 50 Years Later.” Minds and Machines, 10(4), 463–518. DOI

    Tür ve dil
    Hakemli dergi makalesi · İngilizce
    Konu
    Turing Testi · zihin felsefesi · makine zekâsı
    Bu maddeyle ilgisi
    Turing Testi’nin ilk elli yılını felsefi, psikolojik, sosyolojik ve teknik yönleriyle kapsamlı biçimde değerlendirir.
    Türkiye bağlantısı
    Kurumsal kayıtta Bilkent Üniversitesi yazar bağlantısı; ayrıca University of California San Diego bağlantısı yer alır.
    Doğrulama
    Hacettepe Üniversitesi kurumsal yayın kaydında yazarlar, Bilkent bağlantısı, dergi, cilt, sayı, sayfa ve DOI doğrulandı.
    Yayıncı kaydıKurumsal kayıt

  2. Zambak, A. F. (2018). “Free Will and Artificial Intelligence.” MetaZihin: Yapay Zeka ve Zihin Felsefesi Dergisi, 1(2), 167–181.

    Tür ve dil
    Araştırma makalesi · İngilizce
    Konu
    Özgür irade · faillik · bağdaşırcılık · makine zekâsı
    Bu maddeyle ilgisi
    Hesaplamalı ve belirlenimci bir yapının yapay bir failin özgür seçim kapasitesini ilkece dışlamadığını savunur.
    Türkiye bağlantısı
    PDF yazar bilgisi: Orta Doğu Teknik Üniversitesi Felsefe Bölümü.
    Doğrulama
    DergiPark yayın sayfası ve açık PDF ile dil, künye, yazar kurumu ve tam metin erişimi doğrulandı.
    PDF indirMakale sayfası

  3. Ünsal, E., & Karakuş, A. T. (2025). “A Comparative Benchmark Study of Large Language Models on Turkish NLP Tasks: A Comparison of ChatGPT and DeepSeek.” International Journal of Innovative Engineering Applications, 9(2), 184–192. DOI

    Tür ve dil
    Araştırma makalesi · İngilizce
    Konu
    Büyük dil modelleri · Türkçe NLP · karşılaştırmalı değerlendirme
    Bu maddeyle ilgisi
    ChatGPT ile DeepSeek’i Türkçe soru-cevap, özetleme, başlık üretme ve çeviri görevlerinde karşılaştırır.
    Türkiye bağlantısı
    Yazar kayıtları: Sivas Cumhuriyet Üniversitesi.
    Doğrulama
    DergiPark ve TR Dizin kayıtlarında yazar kurumu, dil, künye ve DOI; DergiPark’ta açık PDF doğrulandı.
    PDF indirMakale sayfası

Stanford Felsefe Ansiklopedisi ile birlikte okuma

Özgün Türkçe SEP özeti

Artificial Intelligence

Bu metin SEP girişinin çevirisi veya alıntısı değildir. İlgili maddenin ana problemlerini Türkçe ve özgün biçimde özetler.

Bu SEP maddesi, yapay zekâyı tek bir teknik yöntemle özdeşleştirmez; alanı, uygun koşullarda hayvanlara ya da kişilere özgü görünen yetileri sergileyen yapay varlıklar kurma girişimi olarak ele alır. Tarihsel anlatı, 1956 Dartmouth toplantısını bir dönüm noktası sayarken yapay zekânın daha eski mantık, hesaplama ve olasılık geleneklerine dayandığını vurgular.

Madde, alanın nasıl tanımlanacağı sorusunu insan gibi düşünme veya davranma ile rasyonel düşünme veya davranma hedefleri üzerinden açar. Ardından akıllı ajan yaklaşımını; mantık temelli sembolik yöntemleri; bağlantıcı, nörohesaplamalı ve olasılıksal yaklaşımları; denetimli, denetimsiz ve pekiştirmeli öğrenmeyi karşılaştırır.

Günlük uygulamalarla birlikte ahlaki karar verebilen sistemler ve felsefenin doğrudan yapay zekâ tasarımına katıldığı çalışmalar da incelenir. Son bölüm, güçlü ve zayıf yapay zekâ ayrımını, Çin Odası ve Gödelci itirazları ele alarak başarı gösterisi, gerçek anlama, bilinç ve kişi olma arasındaki farkları açık tutar; geleceğe ilişkin iddiaları ise spekülatif sorular olarak bırakır.

Tam künye: Bringsjord, Selmer ve Naveen Sundar Govindarajulu. “Artificial Intelligence.” The Stanford Encyclopedia of Philosophy, Summer 2026 Edition, Edward N. Zalta ve Uri Nodelman (ed.). Metaphysics Research Lab, Stanford University, 2026.

SEP maddesini açSEP’nin tam bibliyografyasını aç

Numaralı temel okuma rotası

  1. Turing, A. M. (1950). “Computing Machinery and Intelligence.” Mind, 59(236), 433–460.

    Bu madde için önemi: Makine düşünmesi sorusunu davranışsal ve işlemsel bir araştırma programına dönüştürür.

    DOI ve yayıncı kaydı

  2. McCarthy, John ve Patrick J. Hayes (1969). “Some Philosophical Problems from the Standpoint of Artificial Intelligence.” Bernard Meltzer ve Donald Michie (ed.), Machine Intelligence 4 içinde, 463–502. Edinburgh University Press.

    Bu madde için önemi: Temsil, eylem, bilgi ve sağduyu sorunlarını sembolik yapay zekânın merkezine yerleştirir.

    Yazar sayfası ve yasal PDF

  3. Haugeland, John (1985). Artificial Intelligence: The Very Idea. Cambridge, MA: MIT Press/Bradford Books.

    Bu madde için önemi: Klasik yapay zekânın zihin, anlam ve sembolik işlem iddialarını felsefi olarak kurar.

    MIT Press kitap sayfası

  4. Russell, Stuart J. ve Peter Norvig (2020). Artificial Intelligence: A Modern Approach, 4. baskı. Hoboken, NJ: Pearson.

    Bu madde için önemi: Alanı rasyonel fail yaklaşımı altında birleştirir; bu taslağın teknik omurgasıdır.

    Resmî AIMA sayfası

  5. Fagin, Ronald, Joseph Y. Halpern, Yoram Moses ve Moshe Y. Vardi (2004; ilk basım 1995). Reasoning About Knowledge. Cambridge, MA: MIT Press/Bradford Books.

    Bu madde için önemi: Çoklu faillerde bilgi ve inancın biçimsel olarak nasıl temsil edildiğini gösterir.

    MIT Press kitap sayfası

  6. Brooks, Rodney A. (1991). “Intelligence without Representation.” Artificial Intelligence, 47(1–3), 139–159.

    Bu madde için önemi: Zekânın dünyadan kopuk sembolik modeller yerine bedenlenmiş algı-eylem döngülerinden kurulabileceğini savunur.

    DOI ve yayıncı kaydı

  7. Pearl, Judea (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. San Mateo, CA: Morgan Kaufmann.

    Bu madde için önemi: Belirsizlik altında çıkarım için olasılıksal grafik modellerin temelini kurar.

    Yayıncı kitap sayfası

  8. Goodfellow, Ian, Yoshua Bengio ve Aaron Courville (2016). Deep Learning. Cambridge, MA: MIT Press.

    Bu madde için önemi: Derin öğrenmenin matematiksel ve mühendislik temellerini bütünlüklü biçimde sunar.

    Yasal açık çevrimiçi kitap

  9. Sutton, Richard S. ve Andrew G. Barto (1998). Reinforcement Learning: An Introduction. Cambridge, MA: MIT Press.

    Bu madde için önemi: Bir failin çevreden aldığı geri bildirimle eylem politikası öğrenmesini sistematikleştirir.

    MIT Press kitap sayfası

  10. Searle, John R. (1980). “Minds, Brains, and Programs.” Behavioral and Brain Sciences, 3(3), 417–424.

    Bu madde için önemi: Program yürütmenin anlam ve yönelimsellik için yeterli olmadığı yönündeki klasik karşı görüşü verir.

    DOI ve yayıncı kaydı

  11. Pollock, John L. (1995). Cognitive Carpentry: A Blueprint for How to Build a Person. Cambridge, MA: MIT Press.

    Bu madde için önemi: Akıl yürüten, planlayan ve kendi bilişini düzenleyen bir yapay fail mimarisi önerir.

    MIT Press kitap sayfası

  12. Bringsjord, Selmer, Konstantine Arkoudas ve Paul Bello (2006). “Toward a General Logicist Methodology for Engineering Ethically Correct Robots.” IEEE Intelligent Systems, 21(4), 38–44.

    Bu madde için önemi: Ahlaki kısıtların mantık temelli yapay faillere nasıl yerleştirilebileceğini tartışır.

    DOI ve yayıncı kaydı

  13. Govindarajulu, Naveen Sundar ve Selmer Bringsjord (2017). “On Automating the Doctrine of Double Effect.” Proceedings of IJCAI-17, 4722–4730.

    Bu madde için önemi: Klasik bir ahlak öğretisini hesaplanabilir fail muhakemesine dönüştüren somut bir örnektir.

    IJCAI kaydı ve açık PDF

  14. Arkin, Ronald C. (2009). Governing Lethal Behavior in Autonomous Robots. Boca Raton, FL: Chapman & Hall/CRC.

    Bu madde için önemi: Otonom sistemlerin eylem sınırlarını, sorumluluğunu ve makine etiğini gerçek bir uygulama alanında inceler.

    Yayıncı kitap sayfası
Yorum bırak